老师有没有告诉你，格斗台上把人类拳手踢翻的机器人——它的招式不是自己学会的，是别人手把手「喂」出来的

啪——老师把笔丢在桌上。

「都看过那个视频了吧。一个两米高的铁家伙，往台上一站，一脚把一个练过多年的人踢翻在地。」

「下面评论我都替你们想好了：完了，要变天了，机器人要统治人类了。」

他停了一下：「但我先问你们一个问题——那个机器人，它知道自己刚才赢了吗？」

教室里安静了两秒。

「不知道。它连『比赛』这两个字是什么意思都不知道。它做的，是有人让它做的一个动作，而它做得很标准。」

「今天我要讲的，就是这个动作是哪儿来的。」

老师有没有告诉你，会做和会想是两件事

我们看机器人打架，很自然地把「会打」和「懂打」画等号。

人打架是这样的：我看见他出右手、重心往左偏、下巴空了，我心里判断「现在可以打上勾拳」，然后我出手。

这条链子上有感知、有判断、有决策。

机器人打架，链条短得多：接收信号 → 执行动作。

它可能完全没有在做判断。你让它做的那套动作，它精确地做出来了，就这么简单。

那么问题来了：这套动作，它怎么会的？

答案叫「演示」，不叫「思考」

业内把这种训练方式叫演示学习，或者叫示教。

流程非常朴素，朴素到有点扫兴：

第一步，人做。 一个专业选手，或者一个受过训练的工人，把整套动作从头到尾做一遍。有的是重复十遍，有的是重复一万遍。

第二步，记下来。 人身上穿戴着动作捕捉设备，或者手上套着遥控装置，把每一个关节的角度、每一时刻的速度、每一毫秒的力，全部记录下来。

第三步，学。 这些记录被当成「标准答案」，让机器去拟合：给定这样的输入，应该输出这样的关节动作。

第四步，上台。 现场只要有信号触发，它就把这套动作完整地演出来。做得比人还稳、还快、还准。

所以那个踢翻人类的瞬间，本质上是：

一个或几个真人，把自己的身体，拆成了数据，装进了铁壳里。

它踢出的那一脚，是人的脚，被复制了一万遍。

这不好笑，这非常了不起——但它和「机器人自己变强了」完全是两回事。

为什么机器人不像语言模型那样「看遍全网」

你可能会想：现在的大模型读遍了全世界的书和网页，那机器人为什么不能看遍全网的格斗视频自己学会打架？

因为它缺的不是书本，是身体。

语言模型学的是符号之间的关系。给它十亿句子，它能算出「踢」后面常跟什么字。

但机器人要学的是：我的这条腿，用多大的力，从哪个角度出去，能碰到对面那个东西，而且我自己不倒。

这个问题的答案不在文字里，它在物理世界里。而物理世界的每一次尝试，都要占用真实的时间和真实的机器。

更麻烦的是，这事没法「多买几台机器并行加速」那么简单：

• 真机试错会磨损、会摔坏；
• 人穿设备演示，一次只能一个人做一份数据；
• 在仿真里练便宜得多，但仿真和现实的差距，要靠大量真实数据去补——业内管这个叫「现实落差」。

于是出现一个和算力叙事完全相反的事实：

机器人行业里最贵的东西，不是芯片，是人一遍一遍做同一个动作。

一个对比，你就明白瓶颈在哪

假设我们要教一个机器人「拧螺丝」。

工程师的做法可能是：让一个熟练工穿戴设备，拧上五千遍——不同角度、不同力度、螺丝有点歪的、孔里有碎屑的。这五千遍被记录下来，成了训练数据。

五千遍，一个人，一次拧三秒，加上穿戴设备、复位、搬运，实际可能要几十个小时。

如果换成语言模型来做「拧螺丝」这件事，它只要读几万篇关于拧螺丝的文字就够了。三天能读完。

一边是三天，一边是几十小时加上反复调试。 这就是为什么机器人的进展看上去总比聊天机器人慢那么多——不是不聪明，是它的老师太少，而且每个老师的每小时都很贵。

所以当你看到一台机器人在台上做出惊人动作，你该问的不是「它怎么这么强」，而是：

这背后有多少个人，做了多少遍？

答案通常是一支不小的团队，加上一段不短的重复劳动。有时为了一个上台的动作，团队可以练上好几个月。

那你该怎么看这类新闻

给你三个马上能用的观察角度。

第一，分辨「表演」和「干活」。 打架、跳舞、跑步、翻跟头——这些动作的共同点是：环境固定、目标明确、终止条件清楚。而干活是反过来的：环境乱、目标模糊、出错后果严重。所以一个能上台打拳的机器人，不代表它能进你家厨房。前者的动作可以被精确设计，后者要面对无穷多种意外。

第二，看它是「被演示」还是「被遥控」。 有些展示是机器人自己完成动作，有些其实背后有人在遥操作。这两者差别巨大——前者是它学会了，后者只是人的动作被换了个身体。

第三，看这个动作有没有「意外应对」。 演示出来的动作，最怕的是现场出现没排练过的情况。台上对手忽然变了个姿势，它能不能调整？如果能，那才是真本事；如果它按原计划一头撞上去，那说明它只是在播放。

小测验

第一题， 表演视频里的机器人动作，通常是怎么来的？

第二题， 机器人为什么无法学会一只猫的新动作？

第三题， 机器人训练最贵、最卡脖子的成本是什么？

（答案在文末。）

回到那个丢笔的下午

老师把笔捡起来，在纸上画了一个人，又从那个人身上画了几根虚线，连到一个方框里。

「你们将来会看到越来越多这种视频。记住一件事：它做得到，不等于它懂。」

「它的本事是从人身上抄来的，是被人一遍一遍做出来、记下来、装进去的。它做得比人稳，是因为它不会累、不会怕、不会分心——不是因为它比人想得多。」

「这个时代最贵的东西，已经不是芯片了。是有人愿意把一件事，认认真真地做上一万遍。」

「你想让机器替你干活，就得先有人把活干穿。」

他重新把笔搁在桌上——这回没有用力。

答案： 第一题选第二个，动作由人多次演示并记录成数据后学得。第二题选第二个，身体结构不同且没有对应的动作数据。第三题选第三个，数据收集耗时最长、最难放大，是真正的瓶颈。